vi常用用法总结

简介:

0(将光标移到当前行的行首
将光标移到当前行的行末
##G 
将光标移到G前面的数字指定的行。例如,42G将光标移到文件的第42
将光标移到文件的最后一行
将光标向前移到下一个单词的首字母
将光标向前移到下一个单词的最后一个字母
将光标向后移到上一个单词首字母
将光标定位到上一行的行首
将光标定位到下一行的行首
12| 
将光标定位到当前行的第12
将光标定位到屏幕的最下面一行
将光标定位到屏幕中间的一行
将光标定位到屏幕的最上面一行
” 
两个单引号将光标移到它的先前的位置

设置显示选项
:set number 
将行号作为屏幕显示的一部分,但是行号并不是文件的一部分。它的缩写形式为:set nu
:set nonumber 
清除屏幕上的行号。
文本删除命令
dd 
删除当前光标所有的文本行
#dd 
删除#行文本
删除光标所在的一个字符
#x 
从文本中(光标位置开始向行末)删除#个字符
删除当前行上光标后面的部分
:#,#d 
例如,:12,37d 将删除第1237行之间的所有文本,包括第1237
撤销命令
u
撤销。恢复最近一次的文本修改操作,即使已经移动了光标。

a(小写从光标的右侧开始插入文本
A(
大写从当前行的行末开始添加文本
i(
小写从光标的左侧开始插入文本
I(
大写从当前行的行首插入文本
o(
小写在光标的下面打开(或插入)一个新行
O(
大写在光标的上面打开一个新行
:#r filename 
例如,:8rreport.old读取文件report.old,并将它的内容放到当前文件的第8行之后
s(
小写替换单个字符
S(
大写替换整行文本
用输入的下一个字符替代当前光标处的字符,并自动返回到命令模式
C(
大写修改行上从光标到行末之间的文本

yy将当前行复制或接出到内在缓冲区。20yy将当前行和它后面的19行(共20行)文本复制到内存。目标行仍然保留在文件中,可以使用p命令将这些内存中的文本粘贴到文件中
dd
删除当前行,并将它放到与yy命令使用的相同的内存缓冲区。目标行从文件中删除,但是可以使用p命令将它粘贴到文件中的其他地方
yw 
将当前光标所在的单词接出或复制到内在缓冲区。6yw命令将把当前单词和它后面的5个(共6个)单词复制到内存
dw 
删除当前的单词,并将它放到与yw命令使用的相同的内存缓冲区。可以使用p命令将单词粘贴到文件的其他地方
yt#
接出从光标到向前一个字符(不包括该字符)之间的文本。例如,ytB命令将从光标到字符B的下一实例(不包括字符B)之间的文本接出或复制到内存
将内存中的文本行粘贴到文件中光标所在行的下面,或将内存中的单词粘贴到文件中光标的右侧
P(
大写将接出或删除的文本行粘贴到文件中光标所在行的上面。或将接出或删除的单词粘贴到文件中光标的左侧
文件移动命令
将下行文本同当前行合并成一行
:#,# move # 
将指定的行移到目标位置。:12,35 move58命令将第1235行之间的所有文本移到第58行的后面。缩写为mo
:1,26 co 82 
将第126行之间的所有文本复制到第82行的后面(可以选择行号)
使用可视化编辑器进行全局编辑
:s /target/replacement/
查找当前行上目标字符串的第1个实例并删除,然后用字符串replacement替换。只修改当前行上的第1个目标实例
:g /target/s//replacement/
查找所有行上目标字符串的第1个实例并删除,然后用字符串replacement替换。修改所有行上目标的第1个实例
:#,# s/target/replacement/ 
在指定的行上进行替换。例如,:7,37s/march/walk/将查找第737行之间的所有文本行,并用字符串walk替换每行中的第1个目标字符串march。所有指定行上的第1个目标字符串修改
:#,# s/target/replacement/g 
在指定的行上进行全局替换。例如,:1,$ s/fun/joyful/g将在第1行到文件最后一行之间查找目标字符串fun的所有实例并删除,然后用字符串joyful替换。指定行上的目标字符串 的所有实例都被修改
:g /target/s/replacement
查找所有行上目标字符串的第1个实例并删除,然后用字符串replacement替换。所有行上的第1个目标都被修改
















本文转自lq201151CTO博客,原文链接:http://blog.51cto.com/liuqun/2044645 ,如需转载请自行联系原作者



相关文章
|
10天前
|
数据采集 人工智能 安全
|
5天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
315 164
|
4天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
320 155
|
5天前
|
编解码 人工智能 自然语言处理
⚽阿里云百炼通义万相 2.6 视频生成玩法手册
通义万相Wan 2.6是全球首个支持角色扮演的AI视频生成模型,可基于参考视频形象与音色生成多角色合拍、多镜头叙事的15秒长视频,实现声画同步、智能分镜,适用于影视创作、营销展示等场景。
361 4
|
12天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
895 6

热门文章

最新文章